声音数据的处理方法、装置、计算机设备和可读存储介质与流程

本申请涉及人工智能及金融科技领域，尤其是涉及到一种声音数据的处理方法、装置、计算机设备和可读存储介质。

背景技术：

1、金融领域中，在寻找一人多号或一号多人的反欺诈场景，以及金融会议需自动分离说话人等场景下，需要采用声纹聚类技术将音频信号中的不同说话人语音进行分割和聚类，进而识别说话人身份。

2、目前，主流的声纹聚类方法包括基于统计模型的方法、基于深度学习的方法和基于聚类算法的方法等。但是目前这些方法都存在聚类结果不够精准的问题。

技术实现思路

1、有鉴于此，本申请提供了一种声音数据的处理方法、装置、计算机设备和可读存储介质，解决了聚类结果不够精准的问题。

2、第一方面，本申请实施例提供了一种声音数据的处理方法，包括：

3、获取待处理的声音数据，对所述声音数据进行去干扰处理；

4、对去干扰处理后的所述声音数据进行聚类处理，得到多个声音数据聚类，每个声音数据聚类中包括多个声纹特征；

5、基于每个所述声音数据聚类中声纹特征的相似度，对多个所述声音数据聚类进行聚类增强处理，得到声音数据聚类结果。

6、第二方面，本申请实施例提供了一种声音数据的处理装置，包括：

7、数据获取模块，用于获取待处理的声音数据；

8、去干扰处理模块，用于对所述声音数据进行去干扰处理；

9、聚类处理模块，用于对去干扰处理后的所述声音数据进行聚类处理，得到多个声音数据聚类，每个声音数据聚类中包括多个声纹特征；

10、聚类增强处理模块，用于基于每个所述声音数据聚类中声纹特征的相似度，对多个所述声音数据聚类进行聚类增强处理，得到声音数据聚类结果。

11、第三方面，本申请实施例提供了一种计算机设备，该计算机设备包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如第一方面的方法的步骤。

12、第四方面，本申请实施例提供了一种可读存储介质，该可读存储介质上存储程序或指令，程序或指令被处理器执行时实现如第一方面的方法的步骤。

13、在本申请实施例中，获取待处理的声音数据，对声音数据进行去干扰处理；对去干扰处理后的声音数据进行聚类处理，得到多个声音数据聚类，每个声音数据聚类中包括多个声纹特征；基于每个声音数据聚类中声纹特征的相似度，对多个声音数据聚类进行聚类增强处理，得到声音数据聚类结果。本申请，对待处理的声音数据进行去干扰处理，基于较为优质的声音数据进行聚类处理，确保声纹特征的提取和聚类的精准性。以及，在聚类后进行聚类增强处理，能够强化声音数据聚类结果的可靠性，提高了识别和验证说话人身份的准确性，为金融领域提供更加可靠的身份认证方案，提高了金融安全性。

14、上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

技术特征：

1.一种声音数据的处理方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对所述声音数据进行去干扰处理，包括：

3.根据权利要求2所述的方法，其特征在于，所述检测所述非噪声声音数据中的语音播报片段，包括：

4.根据权利要求1所述的方法，其特征在于，所述基于每个所述声音数据聚类中声纹特征的相似度，对多个所述声音数据聚类进行聚类增强处理，得到声音数据聚类结果，包括：

5.根据权利要求4所述的方法，其特征在于，基于所述声音数据聚类中的声纹特征的相似度，对所述声音数据聚类进行所述离散点排除处理，包括：

6.根据权利要求4所述的方法，其特征在于，基于所述声音数据聚类中的声纹特征的相似度，对所述声音数据聚类进行所述密度过滤处理，包括：

7.根据权利要求6所述的方法，其特征在于，所述基于所述声音数据聚类中的声纹特征的相似度，计算各个所述声音数据聚类的密度值，包括：

8.一种声音数据的处理装置，其特征在于，包括：

9.一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的声音数据的处理方法的步骤。

10.一种可读存储介质，其上存储有程序或指令，其特征在于，所述程序或指令被处理器执行时实现如权利要求1至7中任一项所述的声音数据的处理方法的步骤。

技术总结
本申请提供了一种声音数据的处理方法、装置、计算机设备和可读存储介质，涉及人工智能及金融科技领域。该方法包括：获取待处理的声音数据，对声音数据进行去干扰处理；对去干扰处理后的声音数据进行聚类处理，得到多个声音数据聚类，每个声音数据聚类中包括多个声纹特征；基于每个声音数据聚类中声纹特征的相似度，对多个声音数据聚类进行聚类增强处理，得到声音数据聚类结果。本申请，对待处理的声音数据进行去干扰处理，基于较为优质的声音数据进行聚类处理，确保声纹特征的提取和聚类的精准性，在聚类后进行聚类增强处理，能够强化声音数据聚类结果的可靠性，提高了识别和验证说话人身份的准确性，提高了金融安全性。

技术研发人员：梁健龙,彭俊清,王健宗
受保护的技术使用者：平安科技（深圳）有限公司
技术研发日：
技术公布日：2025/1/28